谷歌IO開發(fā)者大會(huì)集合貼：足足喊了120次AI 實(shí)時(shí)交互、視頻模型登場【谷歌I/O開發(fā)者大會(huì)集合貼：足足喊了120次AI 實(shí)時(shí)交互、視頻模型登場】從北京時(shí)間周三凌晨1點(diǎn)開始，谷歌在山景城總部附近的海岸線圓形劇場，召開了長達(dá)兩個(gè)小時(shí)的年度I/O開發(fā)者大會(huì)Keynote演講。與預(yù)期一致，谷歌的這場發(fā)布會(huì)基本都是在談AI、AI、AI、AI和AI。根據(jù)發(fā)布會(huì)最后的官方統(tǒng)計(jì)，整場Keynote的演講稿里總共提了120次AI。而且這只統(tǒng)計(jì)了講稿，實(shí)際上的數(shù)量還會(huì)更多一些。對(duì)于一些需要快速響應(yīng)的場景，谷歌也推出了Gemini 1.5 Flash模型。今年2月剛剛問世的Gemma開源模型，也將在下個(gè)月迎來參數(shù)量更大的Gemma 2。在多模態(tài)領(lǐng)域，谷歌也發(fā)布了文生圖工具Imagen 3、與Youtube&音樂家合作的“AI音樂沙盒”，以及最新的視頻生成模型Veo。而多模態(tài)Gemini Nano模型也將在今年晚些時(shí)候登陸Pixel手機(jī)，這是在本地運(yùn)行的機(jī)載模型。

　　從北京時(shí)間周三凌晨1點(diǎn)開始，谷歌在山景城總部附近的海岸線圓形劇場，召開了長達(dá)兩個(gè)小時(shí)的年度I/O開發(fā)者大會(huì)Keynote演講。

　　與預(yù)期一致，谷歌的這場發(fā)布會(huì)基本都是在談AI、AI、AI、AI和AI。根據(jù)發(fā)布會(huì)最后的官方統(tǒng)計(jì)，整場Keynote的演講稿里總共提了120次AI。而且這只統(tǒng)計(jì)了講稿，實(shí)際上的數(shù)量還會(huì)更多一些。

　　在一大堆更新和新發(fā)布的功能中，也有許多具有記憶點(diǎn)的產(chǎn)品。例如從本周開始，谷歌搜索引擎將在美國推出“AI概覽”（AI Overviews）的功能，搜索引擎會(huì)直接歸納總結(jié)搜索結(jié)果。同時(shí)谷歌搜索也將具備多步驟推理能力，可以一次性處理帶有多個(gè)限制條件的長問題，并支持“拍視頻”搜索解決方案的新搜索形式。

　　另外以上下文窗口“長”聞名的Gemini 1.5 Pro大模型，在今年晚些時(shí)候?qū)?huì)把100萬Tokens的窗口，進(jìn)一步擴(kuò)大至200萬Tokens，拓展同步處理多模態(tài)信息的邊界。而對(duì)于一些需要快速響應(yīng)的場景，谷歌也推出了Gemini 1.5 Flash模型。今年2月剛剛問世的Gemma開源模型，也將在下個(gè)月迎來參數(shù)量更大的Gemma 2。在多模態(tài)領(lǐng)域，谷歌也發(fā)布了文生圖工具Imagen 3、與Youtube&音樂家合作的“AI音樂沙盒”，以及最新的視頻生成模型Veo。而多模態(tài)Gemini Nano模型也將在今年晚些時(shí)候登陸Pixel手機(jī)，這是在本地運(yùn)行的機(jī)載模型。

　　值得一提的是，谷歌的發(fā)布會(huì)上也有一些與昨日OpenAI發(fā)布會(huì)“雷同”的地方——實(shí)時(shí)AI助手。從今年夏天開始，Gemini也將支持語音實(shí)時(shí)交互，同時(shí)今年晚些時(shí)候還將上線實(shí)時(shí)視頻交互。未來幾個(gè)月內(nèi)愛游戲(ayx)中國官方網(wǎng)站，谷歌也將推出類似于GPTs的自定義AI助手功能，叫做Gems，能夠與整套“谷歌全家桶”聯(lián)動(dòng)。

　　硬件方面，谷歌宣布了第六代TPU芯片Trillium，并透露能夠在明年初用上英偉達(dá)最新的Blackwell架構(gòu)GPU。另外，液冷、光纜等中國股民可能會(huì)感興趣的題材也在發(fā)布會(huì)上出現(xiàn)。

　　皮查伊表示，現(xiàn)在已經(jīng)有超過150萬開發(fā)者正在使用谷歌的人工智能Gemini，今天將展示一系列有關(guān)搜索、圖片、工作套件、安卓系統(tǒng)等等與有關(guān)的案例。

　　皮查伊宣布，能夠總結(jié)谷歌搜索引擎結(jié)果的“AI概覽”（AI Overviews）功能，將于本周在美國推出。

　　基于Gemini支持，谷歌圖片（Google Photos）將支持用戶存儲(chǔ)圖片的AI搜索，例如“告訴我，我的車牌號(hào)碼是多少？”——這個(gè)名為Ask Photos的功能將于今年夏天推出。

　　皮查伊宣布，最新版本的Gemini 1.5 Pro（在多項(xiàng)核心功能方面均較最初發(fā)布版本有所提高）現(xiàn)在向全球所有開發(fā)者開放。從今天開始，支持100萬tokens上下文窗口的Gemini 1.5 Pro將在Gemini Advanced功能下向用戶開放，支持35種語言。

　　谷歌同時(shí)面向開發(fā)者推出支持200萬tokens的Gemini 1.5 Pro模型的預(yù)覽，并表示最終的目標(biāo)將是“無限上下文”。

　　谷歌AI業(yè)務(wù)總負(fù)責(zé)人、DeepMind的首席執(zhí)行官杰米斯·哈薩比斯登臺(tái)，宣布推出Gemini 1.5 Flash大模型。這個(gè)模型兼具速度與效率，和多模態(tài)推理能力，以及長達(dá)100萬tokens的上下文窗口。開發(fā)者將能夠申請(qǐng)?bào)w驗(yàn)200萬tokens的上下文窗口的Gemini 1.5 Flash。

　　谷歌展示“未來的助手”——名為“Astra”的項(xiàng)目。哈薩比斯表示，這樣的AI助手需要像人類一樣理解這個(gè)動(dòng)態(tài)且復(fù)雜的世界。需要記得住它看到的東西，這樣才能理解對(duì)話并付諸于行動(dòng)。同時(shí)它也得能積極主動(dòng)接受教導(dǎo)，以及自然、無延遲地進(jìn)行交流。在演示視頻中，谷歌的AI助手能夠通過攝像頭視頻，識(shí)別“什么東西能發(fā)出聲音”、“現(xiàn)在身處何地”等指令。

　　谷歌宣布了一系列與圖像、音樂、視頻有關(guān)的生成式AI工具。包括文生圖工具Imagen 3、與Youtube以及音樂家合作的“AI音樂沙盒”，以及最新的視頻生成模型Veo。

　　其中最受關(guān)注的視頻生成模型Veo，能夠根據(jù)文字、圖片和視頻的提示，生成高質(zhì)量1080p視頻。

　　哈薩比斯離場，皮查伊重回舞臺(tái)，發(fā)布第六代TPU芯片Trillium，較上一代芯片的算力表現(xiàn)翻4.7倍，云用戶從今年下半年開始可以用上新芯片。同時(shí)谷歌云將在2025年初，用上的最新Blackwell架構(gòu)GPU。

　　皮查伊開始介紹自家的AI超級(jí)計(jì)算機(jī)，比起用戶自己買相同的硬件和芯片，谷歌的架構(gòu)能使得效能翻倍，其中有部分功勞來自于液冷系統(tǒng)。皮查伊表示，谷歌部署液冷系統(tǒng)的數(shù)據(jù)中心已經(jīng)達(dá)到1GW，而且還在不斷增長中。

　　谷歌搜索業(yè)務(wù)負(fù)責(zé)人Liz Reid開始具體介紹AI Overviews功能。Reid表示，在進(jìn)行搜索時(shí)，搜素引擎具備多步驟推理的能力，例如尋找一個(gè)瑜伽教室，同時(shí)展示新手優(yōu)惠報(bào)價(jià)，和距離特定位置的步行時(shí)間。這個(gè)AI搜索引擎助手，還能介紹食譜、安排行程，以及接受視頻形式的提問（例如視頻中的相機(jī)怎么使用）。

　　谷歌Gemini總經(jīng)理Sissie Hsiao介紹了Gemini App的更新。與周一的OpenAI一樣，從今年夏天開始，Gemini也將支持語音實(shí)時(shí)交互，同時(shí)今年晚些時(shí)候還將上線實(shí)時(shí)視頻交互功能。未來幾個(gè)月內(nèi)，谷歌也將推出類似于GPTs的自定義AI助手功能，叫做Gems。這個(gè)AI助手的亮點(diǎn)，將是能與“谷歌全家桶”進(jìn)行交互。

　　Hsiao再次強(qiáng)調(diào)了Gemini的長上下文窗口——能夠一次性處理整整1500頁的文件，或3萬行代碼、1小時(shí)視頻。不同的載體也能混同一起提交給聊天機(jī)器人。她再次強(qiáng)調(diào)，今年晚些時(shí)候上下文窗口將翻倍至200萬Tokens。

　　安卓生態(tài)系統(tǒng)的負(fù)責(zé)人Sameer Samat登臺(tái)，他將討論今年安卓系統(tǒng)實(shí)現(xiàn)的“三大突破”，分別是“畫圈圈搜索”、Gemini手機(jī)AI助手，第三是在手機(jī)本地運(yùn)行的AI。

　　谷歌表示，今年晚些時(shí)候，能夠在本地運(yùn)行的多模態(tài)Gemini Nano模型將登陸Pixel手機(jī)，意味著手機(jī)將能通過文字、圖片、視頻、音頻，理解用戶的世界。舉例而言，在聽到“幫你把錢轉(zhuǎn)到安全賬戶”這樣的電話時(shí)，手機(jī)會(huì)自動(dòng)彈出警告。整個(gè)過程都是在本地運(yùn)行，不會(huì)引發(fā)隱私泄露。

　　對(duì)于在今年二月剛剛推出的輕量級(jí)開源模型Gemma，谷歌宣布推出視頻語言模型PaliGemma，并將會(huì)在6月推出Gemma 2。相較于第一代模型只有20億和70億的參數(shù)量，第二源Gemma的參數(shù)量能達(dá)到270億。

　　作為發(fā)布會(huì)最后的彩蛋，谷歌CEO皮查伊最后用Gemini總結(jié)了今天的發(fā)布會(huì)稿子里總共提了多少次AI——120次。當(dāng)然，這并不包括皮查伊問完這個(gè)問題后，又喚了幾遍AI。